验证码识别

一些网站中访问其中的数据需要登陆，并且需要输入验证码。

那么为什么要有验证码？

验证码就是一种防止机器识别的措施，也就是一种反爬机制。

那么我们应该如何破解这种反爬机制？

我们可以使用第三方平台，这里推荐使用图鉴http://www.ttshitu.com/price.html

我们需要做的是，注册，登陆，充值一定金额（每一次识别需要一定费用），然后下载它的源代码。

源代码

import json
import requests
import base64
from PIL import Image
from io import BytesIO
from sys import version_info


def base64_api(uname, pwd,  img):
    img = img.convert('RGB')
    buffered = BytesIO()
    img.save(buffered, format="JPEG")
    if version_info.major >= 3:
        b64 = str(base64.b64encode(buffered.getvalue()), encoding='utf-8')
    else:
        b64 = str(base64.b64encode(buffered.getvalue()))
    data = {"username": uname, "password": pwd, "image": b64}
    result = json.loads(requests.post("http://api.ttshitu.com/base64", json=data).text)
    if result['success']:
        return result["data"]["result"]
    else:
        return result["message"]
    return ""


if __name__ == "__main__":

    img_path = "图片路径"
    img = Image.open(img_path)
    result = base64_api(uname='用户名', pwd='密码', img=img)
    print(result)

使用时直接插入爬虫程序即可。

示例：识别古诗文网的验证码

import json
import requests
import base64
from PIL import Image
from io import BytesIO
from sys import version_info
from lxml import etree


def base64_api(uname, pwd,  img):
    img = img.convert('RGB')
    buffered = BytesIO()
    img.save(buffered, format="JPEG")
    if version_info.major >= 3:
        b64 = str(base64.b64encode(buffered.getvalue()), encoding='utf-8')
    else:
        b64 = str(base64.b64encode(buffered.getvalue()))
    data = {"username": uname, "password": pwd, "image": b64}
    result = json.loads(requests.post("http://api.ttshitu.com/base64", json=data).text)
    if result['success']:
        return result["data"]["result"]
    else:
        return result["message"]
    return ""


if __name__ == "__main__":
"""
　　以上为源码
"""
　　# 拿到登陆页面的验证码图片
    url = 'https://www.gushiwen.com/main/login.html'
    headers={
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.92 Safari/537.36',
    }
    page_text = requests.get(url=url, headers=headers).text
    tree = etree.HTML(page_text)
    img_src = 'https://www.gushiwen.com/'+tree.xpath('//*[@id="main"]/div/div/form/div/ul/li[3]/img/@src')[0]
    img_data = requests.get(url=img_src,headers=headers).content
    with open('./code.jpg','wb') as f:
        f.write(img_data)

  # 交给第三方平台识别
    img_path = "code.jpg"
    img = Image.open(img_path)
    result = base64_api(uname='Mrterrific', pwd='WQ2017617sxy', img=img)
    print(result)